vllm-project/vllm

AGENTS.md 添加安全文档引导

此 PR 仅作文档补充，无需精读代码。但作为安全治理的基础设施优化，值得维护者确认链接正确性后合并。

XPU Dockerfile 升级 nixl 至 v1.2.0

建议快速合入。变更清晰、范围小、风险低，属于常规依赖升级。值得关注的是未来 nixl 版本更新是否需同步调整其他硬件平台的 Dockerfile。

为 CPU WNA16 添加 RVV 微 GEMM 内核，加速 2.4-3.2x

值得精读。设计上清晰地分离了 ISA 枚举、微 GEMM 内核、C++ 分发、Python 前端，层次分明。RVV 内核实现中 Mx8 tile 和 K 展开的策略可推广到其他量化场景。代码注释丰富，适合作为为特定 ISA 添加微内核的参考。

跳过 Intel GPU nightly CI 中失败的 spec decode 测试

该 PR 为临时性 CI 调整，可直接合并。建议关联一个 Issue 以跟踪该测试的修复状态，避免长期跳过。

拒绝维度大于隐藏层大小的 Matryoshka 请求

值得精读，展示了如何为 Matryoshka 嵌入参数添加上界检查，设计清晰，测试完善。

禁用 gfx942 上的 TileLang MHC 路径

**建议阅读**：本 PR 是典型的正确性保护修复，代码逻辑清晰，适合作为平台条件编译的参考模式。 **值得关注的设计决策**：采用装饰器函数 `_has_tilelang_mhc` 集中管理平台兼容性逻辑，避免散落在各个 kernel 分支中；区分 CUDA 和 ROCm 平台，并为未来按 kernel 粒度控制预留可能。 **建议跟进**：后续可参考作者在 issue 中的 kernel 级分析，按需重新启用 `mhc_post_tilelang` 和 `hc_head_fused_kernel_tilelang` 在 gfx942 上的使用，以恢复部分性能。

修复 ColQwen3.5 检索投影偏置与双向注意力问题

值得精读，尤其是 `config.py` 的数据契约设计和注意力类型处理。对多模态检索模型维护者有参考价值。

修复异步推测解码 accepted 计数竞态

推荐精读。该 PR 展示了异步推测解码中一个微妙的竞态条件及其修复过程，涉及 GPU D2H 拷贝、input batch 行重排、cudagraph 元数据生命周期等深层机制。对于从事 speculative decoding、cudagraph 或 async scheduling 开发的工程师有重要参考价值。